Esta es la alcaldía más insegura de la CDMX, según habitantes

|
Esta es la alcaldía más insegura de la CDMX, según habitantes

Xochimilco es la alcaldía más insegura de la Ciudad de México, según dieron a conocer sus habitantes en la Encuesta Nacional de Seguridad Pública Urbana (ENSU) del INEGI.

De acuerdo con el ejercicio, con corte del tercer trimestre de 2024, el 72.6% de los habitantes de esa demarcación la perciben con altos niveles de inseguridad. 

La alcaldía ubicada al oriente de la CDMX, sufrió un incremento en esta calificación según el ejercicio de junio de este año. 

Pues pasó de 68.3 a 72.6%, un ligero incremento de 4.3% en solo tres meses.

Xochimilco se ubica por encima de alcaldías como Iztapalapa, que cuenta con el 60.3%, y de la Gustavo A. Madero, que registra el 64.3% del nivel de percepción de inseguridad. 

De acuerdo con el Instituto Nacional de Estadística y Geografía (INEGI), la alcaldía con menor nivel de percepción de inseguridad es Benito Juárez, que registra apenas el 15.5% de sus habitantes. 

De lejos le siguen las alcaldías Cuajimalpa, con el 31.6%, y la Miguel Hidalgo, que cuenta con el 38.1% de la población. 

Demarcaciones como Coyoacán también se ubica entre las mejores posicionadas, con el 41.2% de percepción de inseguridad entre sus habitantes. 

Por qué confiar en nosotros

Trabajamos para tener predicciones certeras e informativas. Para esto:

  • Utilizamos métodos estadísticos reconocidos, con herramientas profesionales y un flujo de trabajo reproducible.
  • Representamos honestamente la incertidumbre asociada a nuestras predicciones o resúmenes.
  • Tenemos supuestos razonables y claramente establecidos que pueden ser cuestionados, y nos esforzamos por validar y criticar nuestros resultados para que reflejen lo más fielmente posible el fenómeno que nos interesa analizar.
  • Estamos libres de sesgos políticos o motivacionales.

Adicionalmente, proveemos a los interesados resúmenes de nuestras metodologías en las siguientes ligas, con referencias académicas que fundamentan nuestros procesos de modelación